香港文匯報訊（記者 楊梓穎）隨着本港樓宇持續老化，建築缺陷帶來的風險亦日益增加。政府估計，截至2020年底，全港約有8,700幢私人樓宇樓齡達50年或以上；到2030年，相關數字預計將增至接近14,000幢。傳統依靠人手巡查的方式不僅耗時費力，亦難以應付大規模、常態化的安全監測工作。香港大學建築學院研究團隊研發出人工智能建築檢測系統 eCheckGo，可透過手機拍攝或街景影像，自動識別建築缺陷，並以互動3D模型呈現分析結果。該項技術近日更於第51屆日內瓦國際發明展榮獲「評判特別嘉許金獎」，目前，政府部門及業界團體均高度關注eCheckGo的研究成果，並正積極探討其在社區層面的應用可能。研究團隊亦正進一步擴展系統功能，包括新增偵測漏水及滲水問題，以及自動生成符合專業格式的文字報告。

傳統人手巡查不僅耗時、成本高，亦難以及早發現結構缺陷，對公眾安全構成潛在風險。在維修保養需求愈趨迫切之下，若繼續依賴傳統檢測方式，即使只檢查單幢樓宇，往往亦需時數日，難以應付龐大需求。為回應這一挑戰，香港大學建築學院房地產及建設系教授陳俊傑與呂偉生率領研究團隊，研發出創新的人工智能建築檢測系統 eCheckGo。該系統由團隊自主研發的「缺陷檢測大模型」（LdM）結合傳統人工智能演算法驅動。該模型屬多模態大模型，並以互聯網規模的建築檢測相關數據完成訓練。透過結合領域專用的檢驗影像與文字提示，大模型能在不同類型建築中，提供一致且可靠的缺陷識別結果。

eCheckGo透過高速、簡便而靈活的評估方式，為傳統樓宇檢測流程帶來突破。相較勞動力密集的傳統方法，系統可在數秒內分析數十張影像，檢測速度較現有其他自動化方案至少快100倍，成本效益亦提升8倍。憑藉顯著效率優勢，eCheckGo可望推動更頻繁、主動及大規模的樓宇狀況監測。

在應用層面，eCheckGo強調操作簡易。用戶可透過手機應用程式拍攝建築物內外影像，亦可直接使用現成的Google街景圖像。系統能自動偵測裂縫、混凝土剝落等常見缺陷，並把分析結果整合至生成的3D雲端數據點模型中。透過互動式3D模型，用戶可放大或縮小畫面，清晰檢視缺陷的實際形狀與尺寸，從而更全面掌握樓宇狀況。

為進一步驗證系統的大規模應用能力，研究團隊利用現有二級數據，針對九龍區9,172幢建築物的Google街景圖像進行全區測試。結果顯示，eCheckGo在短短4小時內，便生成一幅以顏色編碼標示的地圖，按0（健康）至10（危險）的等級，為各幢樓宇的缺陷風險作出評分。其後，相關結果亦由專業建築測量師透過實地檢測核實。

陳俊傑指出，及早偵測樓宇缺陷至為關鍵。他強調，eCheckGo的一大優勢，在於可透過直觀的互動式3D模型呈現建築物整體狀況，讓用戶準確定位缺陷位置，並評估其規模、形狀與尺寸。當相關資訊整合至同一平台後，將有助用戶更及時、周全地作出維修或翻新決策。

該研究更為香港，以及東京、新加坡等高密度城市，提供應對城市老化與樓宇安全挑戰的可行方案。